数据结构与算法复习之排序算法——冒泡、插入、快排、归并

        最近准备换工作，打算复习下算法，多年工作以后再回头看算法与数据结构，发现有种完全不同的感觉，毕竟结合的实际更深了（虽然可能工作中不怎么用的上……），先从最简单的排序算法开始，权当复习练练手，直接上伪代码好了（部分源自算法导论）。

冒泡排序

两两比较，把最大的放最后未排序数组的最后，然后再比较前面的，重复此操作。

伪代码：

bubble-sort(A[n])
for i = 1 to n
    for j = 2 to n-i
        if a[j-1] < a[j]
            swap a[j],a[j-1]
         

稳定排序，算法时间复杂度O(n^2)

插入排序

像抓扑克牌一样，很简单。

伪代码：

insert-sort(A[n])
for i = 2 to n
    key = A[i]
    //把A[i]插入到已经排序好的A[1,2,3...,,j-1]中
    j = i - 1
    while j > 0 and A[j] > key 
        A[j+1] = A[j]
        j = j - 1
    A[j + 1] = key

稳定排序，算法时间复杂度O(n^2)

快速排序

简单来说就是在原数组中选取一个划分值，比这个值小的都放在左边，大的放在另一边，然后再对两边的值进行同样的操作。常见的快排值的选取为每次进行分割数组的第一个，也有进行random划分的方式，时间复杂度的期望都是一样的，另外后面的二分查找或者random-select查找也借鉴了类似快排的思想。

伪代码：

quick-sort(A, p, r)
if (p < r)
    q = partition(A, p, r)
    quick-sort(A, p, q - 1)
    quikc-sort(A, q + 1, r)

partion(A, p, r)
x = A[r]
i = p - 1
for j = p to r - 1
    if A[j] <= x 
        then i = i + 1
            swap A[i],A[j]
swap A[i + 1],A[r]
return i + 1;

参考算法导论，记得最先开始学的快排典型代码是另一种，快排关键就在于PARTION函数，算法导论有介绍如果划分点的选择是随机的，通过数学证明基本也能得到时间复杂度期望是O(NlogN)。

不稳定排序，算法时间复杂度为O(N^2)~O(nlgN)，最好情况下达到基于比较的排序算法的上界（key值刚好把数组分为大小的两部分）。

归并排序

归并理解起来蛮简单，就是先分治再归并，但是代码写起来比较麻烦，比如一串数组A[] = {10, 5, 6, 7, 1, 3, 2, 4},先划分成{10, 5}{6, 7}{1,3}{2,4}分别排序成{5,10}{6,7}{1,3}{2,4},然后进行两路归并{5,10,6,7}{1,3,2,4}，分别排序，排序直接用插入排序或者快排什么的都行变成{5,6,7,10}{1,2,3,4}，再递归即可。

伪代码（以后再补上吧，归并略麻烦）。

稳定排序，时间复杂度O(NlogN),但是空间复杂度为O(N)